基于時(shí)間序列分割算法的雅魯藏布江流域NDVI(1985—2018)變化模式研究

王 塞,王思詩(shī),樊風(fēng)雷,2,*

1 華南師范大學(xué)地理科學(xué)學(xué)院, 廣州 510631 2 西藏大學(xué)高原地表環(huán)境遙感監(jiān)測(cè)聯(lián)合實(shí)驗(yàn)室, 拉薩 850000 3 天津大學(xué)環(huán)境科學(xué)與工程技術(shù)學(xué)院, 天津 300350

植被是聯(lián)結(jié)水分、大氣和土壤的重要紐帶,也是評(píng)價(jià)生物多樣性和生態(tài)服務(wù)的重要指標(biāo),在全球碳平衡和氣候變化中扮演重要角色[1-3]。雅魯藏布江流域生態(tài)環(huán)境脆弱,對(duì)氣候變化和人類活動(dòng)的響應(yīng)顯著[4]。近30年來,流域所屬的青藏高原年平均氣溫每10年上升0.7℃,增溫趨勢(shì)總體呈現(xiàn)由南向北逐漸降低,降水量受復(fù)雜地形影響在不同區(qū)域差異顯著,流域氣候暖干化趨勢(shì)明顯。由此,干旱程度加劇導(dǎo)致的植被稀疏化對(duì)流域脆弱的生態(tài)系統(tǒng)產(chǎn)生不利影響。此外,土地過度開墾、過度放牧和城市化進(jìn)程等人類活動(dòng)也加劇了流域植被退化[5-7]。因此,雅魯藏布江流域的植被變化及其影響因素倍受學(xué)界關(guān)注。目前研究的方法與途徑主要是,以遙感影像為數(shù)據(jù)源,通過對(duì)不同類型的植被覆蓋指標(biāo)與氣溫、降水等氣候因子進(jìn)行耦合測(cè)度,進(jìn)而判別該流域內(nèi)生態(tài)環(huán)境狀況[6,8-10]。開展高原高寒植被物候期變化研究,討論氣候變化對(duì)植被生長(zhǎng)的影響與作用規(guī)律[11]。然而,對(duì)雅魯藏布江流域植被變化模式研究鮮有相關(guān)報(bào)道。

隨著遙感技術(shù)的發(fā)展,中分辨率遙感數(shù)據(jù)已經(jīng)成為在國(guó)家和大陸尺度上進(jìn)行環(huán)境監(jiān)測(cè)的重要數(shù)據(jù)源[12]?；谥蟹直媛书L(zhǎng)時(shí)間序列遙感衛(wèi)星影像是對(duì)大范圍區(qū)域進(jìn)行長(zhǎng)期監(jiān)測(cè),分析其土地利用變化趨勢(shì),并對(duì)植被變化模式進(jìn)行判別,已成為評(píng)價(jià)區(qū)域植被變化的重要手段[13-14]。歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)在植被變化研究中得到廣泛應(yīng)用。NDVI反映植被冠層在近紅外與紅光波段的吸收和散射作用,與植被的光合作用與生理生化反應(yīng)密切相關(guān),因此既能監(jiān)測(cè)植被對(duì)全球氣候變化的響應(yīng),又能識(shí)別城市擴(kuò)張對(duì)植被的影響[15]。中分辨率長(zhǎng)時(shí)間序列NDVI數(shù)據(jù)集成以上優(yōu)勢(shì),已逐漸成為研究植被變化重要的數(shù)據(jù)源。NDVI時(shí)間序列變化監(jiān)測(cè)算法按原理可分為閾值、差異、分割、軌跡分類、統(tǒng)計(jì)和回歸六類[16]。Landsat數(shù)據(jù)源的時(shí)間序列分割算法(LandTrendr)在森林植被覆蓋變化檢測(cè)與生長(zhǎng)模式判別等研究方面取得了豐碩的成果[13,17-18]。Google Earth Engine(GEE)是處理和存儲(chǔ)地理大數(shù)據(jù)的云計(jì)算平臺(tái),已在作物生長(zhǎng)監(jiān)測(cè)、土地覆蓋變化和災(zāi)害預(yù)警等領(lǐng)域成功應(yīng)用[19]。GEE平臺(tái)實(shí)現(xiàn)的LandTrendr算法(https://emapr.github.io/LT-GEE)已經(jīng)成為大區(qū)域長(zhǎng)時(shí)間序列變化監(jiān)測(cè)的有利工具[20]。

綜上,本研究以GEE平臺(tái)共享的Landsat TM/ETM+/OLI影像為數(shù)據(jù)源,利用LandTrendr算法提取雅魯藏布江流域NDVI時(shí)空變化特征。在系統(tǒng)分析1985—2018年雅魯藏布江流域NDVI變化特征基礎(chǔ)上,按NDVI不同的變化強(qiáng)度和持續(xù)時(shí)間進(jìn)行分類,進(jìn)而對(duì)流域內(nèi)NDVI變化模式進(jìn)行判別,并進(jìn)一步探查不同變化模式產(chǎn)生的可能原因,以期為雅魯藏布江流域生態(tài)環(huán)境保護(hù)提供決策支持。

1 資料與方法

1.1 研究區(qū)概況

雅魯藏布江流域位于北緯27°50′—31°15′,東經(jīng)81°57′—97°5′,發(fā)源于喜馬拉雅山北麓的杰瑪央宗冰川,流經(jīng)里孜、派鄉(xiāng)和巴昔卡,最后流入印度,流域總面積25.8萬km2(圖1)。流域內(nèi)自然環(huán)境復(fù)雜,海拔范圍在149—7172m之間,多年平均氣溫4.7—8.3℃,年降水量251.7—580.0mm[6]。復(fù)雜的自然環(huán)境造就了多樣的植被覆蓋類型,上游段植被覆蓋以高山草甸和高山草原為主,中游段主要為灌木草原,下游段以喬木和次生植被為主要類型[21]。雅魯藏布江流域因其獨(dú)特的自然環(huán)境,造就了該區(qū)域多樣的植被覆蓋類型,因其脆弱和敏感的自然環(huán)境而備受研究者關(guān)注。

圖1 研究區(qū)示意Fig.1 Map of study area

1.2 數(shù)據(jù)與處理

本研究中使用的NDVI時(shí)間序列數(shù)據(jù)由Google Earth Engine地理云計(jì)算平臺(tái)提供的1985—2018年Landsat TM/ETM+/OLI影像生成時(shí)間序列堆棧計(jì)算生成,其余數(shù)據(jù)均來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心[22]。其中Landsat 5 TM影像共1737景,Landsat 7 ETM+影像共1877景,Landsat 8 OLI影像共1077景,并對(duì)數(shù)據(jù)堆棧中數(shù)據(jù)質(zhì)量較差區(qū)域(云,云陰影和雪)進(jìn)行掩膜。由于Landsat 7 ETM+相比Landsat 8 OLI數(shù)據(jù)具有較低的輻射分辨率,本研究利用反射率歸一化最小化傳感器之間的差異[23]。為獲取以年為周期的NDVI時(shí)間序列數(shù)據(jù),將研究區(qū)內(nèi)同一年份所有NDVI數(shù)據(jù)進(jìn)行年最大值合成,以削弱大氣氣溶膠和太陽(yáng)高度角等因素的影響。

1.3 研究方法

1.3.1NDVI時(shí)間序列分割算法

時(shí)間序列分割算法(LandTrendr)對(duì)以年為間隔的NDVI時(shí)間序列進(jìn)行分割、擬合和平滑,獲取單個(gè)像元NDVI值在整個(gè)研究時(shí)間段內(nèi)的變化特征[17](圖2)。該分割算法主要分為如下4個(gè)步驟：

圖2 LandTrendr分割算法示意Fig.2 Conceptual diagram of LandTrendr segmentation algorithm

(1)數(shù)據(jù)預(yù)處理。去除NDVI時(shí)間序列軌跡異常值,設(shè)定閾值對(duì)軌跡中的突變值進(jìn)行篩選；去除超過NDVI正常變化趨勢(shì)的異常值,并對(duì)缺省值進(jìn)行插值填補(bǔ)。為削弱異常值對(duì)變化趨勢(shì)的影響,增加信噪比,本研究采用3×3滑動(dòng)窗口均值進(jìn)行異常值剔除。

(2)時(shí)間序列分割。識(shí)別軌跡變化劇烈位置作為潛在分割點(diǎn),并對(duì)潛在分割點(diǎn)進(jìn)行判斷。對(duì)比潛在分割點(diǎn)NDVI值,剔除由云、云陰影和雪等因素造成的偽分割點(diǎn),并通過角度閾值剔除小于閾值的分割點(diǎn)。

(3)分割點(diǎn)擬合。對(duì)比第一和第二分割點(diǎn)間連線和擬合直線與原始NDVI軌跡間的均方誤差(Mean Square Error,MSE),選取誤差最小的擬合方法作為初始連接線,并在保證曲線連續(xù)的情況下按照MSE最小原則對(duì)NDVI時(shí)間序列進(jìn)行擬合。

(4)擬合模型簡(jiǎn)化與遴選。通過迭代最大分割時(shí)間序列,利用定義的恢復(fù)率和置信度對(duì)模型進(jìn)行篩選?？紤]到植被覆蓋恢復(fù)期應(yīng)長(zhǎng)于1年,剔除恢復(fù)率過高的分割段,使擬合模型具有更好的分割效果

本研究基于GEE平臺(tái)實(shí)現(xiàn)的LandTrendr算法對(duì)NDVI時(shí)間序列進(jìn)行分割與擬合[24]。分割算法需要設(shè)置適用于研究區(qū)的分割和擬合參數(shù)(表1),通過多次參數(shù)調(diào)整以適應(yīng)該研究區(qū)的NDVI變化特征。

表1 時(shí)間序列分割模型參數(shù)Table 1 Time series segmentation model parameters

1.3.2NDVI變化概念模型

全球氣候變化和人類活動(dòng)對(duì)雅魯藏布江流域脆弱的生態(tài)環(huán)境產(chǎn)生顯著影響。溫度和水分在整個(gè)生長(zhǎng)季內(nèi)對(duì)植被生長(zhǎng)產(chǎn)生顯著影響,水分控制作用是影響青藏高原植被生長(zhǎng)的最主要因素[25],城市化過程加劇和過度放牧等人類活動(dòng)促使該區(qū)域NDVI下降,一定程度的氣溫和降水量增加以及退耕還林還草等生態(tài)保護(hù)工程都對(duì)NDVI上升產(chǎn)生促進(jìn)作用[26]?；谇叭顺晒?本研究構(gòu)建雅魯藏布江流域NDVI變化概念模型(圖3),即,全球暖濕化和生物質(zhì)累積使年時(shí)間分辨率NDVI曲線隨植被生長(zhǎng)緩慢上升,人類活動(dòng)加劇和自然環(huán)境惡化導(dǎo)致NDVI曲線下降,生態(tài)保護(hù)工程或氣候暖濕化等自然環(huán)境改善又使NDVI曲線呈現(xiàn)上升趨勢(shì),生態(tài)保護(hù)工程效果減弱或者保護(hù)區(qū)域再次被破壞都將導(dǎo)致NDVI曲線的再次下降。影響NDVI曲線趨勢(shì)的因素包括植被物候特征、人類活動(dòng)和遙感影像采集的時(shí)間和質(zhì)量,因此本研究將NDVI曲線波動(dòng)最劇烈年份作為變化時(shí)間點(diǎn),基于持續(xù)時(shí)間和變化強(qiáng)度對(duì)NDVI變化模式進(jìn)行判別。

圖3 NDVI變化概念模型Fig.3 Conceptual model for NDVI change

2 結(jié)果

2.1 干擾與恢復(fù)時(shí)空分布特征

2.1.1空間分布

利用時(shí)間序列分割算法對(duì)雅魯藏布江流域1985—2018年NDVI時(shí)間序列數(shù)據(jù)進(jìn)行變化特征提取,得出NDVI干擾與恢復(fù)空間分布情況(圖4)。結(jié)果顯示,自流域上游至下游發(fā)生干擾年份逐漸推遲的趨勢(shì)明顯,其空間異質(zhì)性與地形特征存在明顯的相關(guān)性。流域上游(貢嘎縣以上)的廣大區(qū)域NDVI干擾集中發(fā)生于2000年左右。流域中上游的貢嘎縣、昂仁縣和日喀則市NDVI干擾集中發(fā)生在1986—1990年間。中游當(dāng)雄縣等海拔較高區(qū)域NDVI干擾主要發(fā)生于在2000年之前,而拉薩河谷等海拔較低區(qū)域NDVI干擾主要發(fā)生在2010年后。流域下游工布江達(dá)縣、米林縣和林芝縣海拔較低區(qū)域NDVI干擾年份發(fā)生在2000年左右,而海拔較高區(qū)域干擾多發(fā)生在2010年之后。自流域上游至下游恢復(fù)發(fā)生年份具有明顯提前趨勢(shì),其與海拔、地形特征關(guān)聯(lián)度較高。流域中上游的廣大區(qū)域NDVI恢復(fù)年份發(fā)生在2010年之后。流域下游的米林縣和林芝縣NDVI恢復(fù)發(fā)生年份存在明顯的海拔差異,高海拔區(qū)域恢復(fù)年份發(fā)生在2010年之后,低海拔區(qū)域恢復(fù)發(fā)生在2000年左右,但念青唐古拉山及唐古拉山以南的部分高海拔區(qū)域恢復(fù)發(fā)生在1990年之前,不同于以上規(guī)律。

圖4 干擾與恢復(fù)空間格局Fig.4 Spatial pattern of disturbance and recovery

2.1.2時(shí)間分布

NDVI干擾與恢復(fù)面積隨時(shí)間變化特征能表征植被覆蓋變化活動(dòng)的強(qiáng)弱,按NDVI時(shí)序變化趨勢(shì),流域內(nèi)18.2萬km2劃分為干擾類別,24.3萬km2劃分為恢復(fù)類別(圖5)。流域不同時(shí)間段植被覆蓋變化強(qiáng)弱不同。1986—1990年,干擾和恢復(fù)面積皆呈先上升后下降趨勢(shì),干擾區(qū)域占流域總面積20.97%,恢復(fù)區(qū)域占總面積43.49%,恢復(fù)面積大于干擾二者相差22.52%,流域植被覆蓋總體呈恢復(fù)態(tài)勢(shì)。1991—2000年,干擾和恢復(fù)面積也呈現(xiàn)先上升后下降趨勢(shì),分別占總面積30.54%和27.67%,干擾面積略大于恢復(fù),二者相差2.87%,研究區(qū)植被覆蓋總體呈下降趨勢(shì)。2001—2017年期間,干擾和恢復(fù)都呈現(xiàn)波動(dòng)變化趨勢(shì),變化比例分別占流域總面積19.03%和23.02%,恢復(fù)面積略大于干擾,二者相差3.99%,流域植被覆蓋度總體呈現(xiàn)恢復(fù)態(tài)勢(shì)。綜觀1986—2017年間,研究區(qū)NDVI干擾和恢復(fù)植被變化面積總體呈先升后降趨勢(shì),恢復(fù)區(qū)域面積大于干擾區(qū)域面積,二者相差23.64%。

圖5 1985—2018年干擾與恢復(fù)面積年際變化 Fig.5 Annual variation of disturbance and recovery area from 1985 to 2018

2.2 干擾和恢復(fù)持續(xù)時(shí)間與強(qiáng)度

2.2.1持續(xù)時(shí)間

1985—2018年間雅魯藏布江流域NDVI干擾和恢復(fù)持續(xù)時(shí)間具有明顯的時(shí)間序列非平穩(wěn)性,干擾和恢復(fù)持續(xù)時(shí)間皆呈現(xiàn)先下降后上升的趨勢(shì),分別集中在1—10年和28—32年,其中二者下降持續(xù)期(1—10年)干擾略小于恢復(fù),而上升持續(xù)期(28—32年)干擾明顯大于恢復(fù)(圖6)。NDVI干擾持續(xù)時(shí)間85%少于10年,干擾平均持續(xù)時(shí)間4.96年,其中49.08%的干擾持續(xù)時(shí)間少于等于1年。流域內(nèi)NDVI干擾持續(xù)時(shí)間超過20年的區(qū)域主要集中在拉薩城區(qū)、墨竹工卡北部和仲巴縣以南的部分區(qū)域(圖7)。NDVI恢復(fù)持續(xù)時(shí)間50%少于6年,平均恢復(fù)時(shí)間12.55年。對(duì)比地形數(shù)據(jù)可見,NDVI恢復(fù)時(shí)間超過20年的區(qū)域主要分布在河谷等海拔相對(duì)降低的區(qū)域(圖7)。

圖6 干擾與恢復(fù)面積隨持續(xù)時(shí)間和強(qiáng)度變化Fig.6 The duration and magnitude of disturbance and recovery area

2.2.2強(qiáng)度

NDVI干擾和恢復(fù)強(qiáng)度主要集中在0—0.75之間,恢復(fù)強(qiáng)度大于干擾強(qiáng)度(圖6)。干擾活動(dòng)劇烈區(qū)域主要集中在拉薩城區(qū)、林芝及其北部區(qū)域和里加(圖7)。NDVI干擾強(qiáng)度95%都集中在0—0.42之間,平均下降0.14。NDVI干擾強(qiáng)度接近2時(shí)表明由植被轉(zhuǎn)為水體。NDVI恢復(fù)強(qiáng)度95%集中在0—0.4之間,平均上升0.13,流域上游和中游區(qū)域NDVI上升強(qiáng)度較低,NDVI上升劇烈區(qū)域主要集中在里加和林芝以東區(qū)域(圖7)。

圖7 干擾與恢復(fù)持續(xù)時(shí)間和強(qiáng)度空間格局Fig.7 Spatial pattern of duration and magnitude of disturbance and recovery

2.3 干擾與恢復(fù)變化模式

1985—2018年NDVI時(shí)間序列為判別NDVI變化模式提供基礎(chǔ),將1987、2000和2016三年NDVI擬合數(shù)據(jù)進(jìn)行假彩色合成,進(jìn)而判別NDVI的不同變化模式。流域內(nèi)NDVI變化主要分為上升和下降兩種趨勢(shì),NDVI變化模式空間分布如圖8所示,NDVI上升在整個(gè)流域內(nèi)都有分布,而NDVI下降主要集中在河流谷地等海拔較低的區(qū)域,共劃分為12種典型變化模式(圖8),其中具有明顯變化模式的面積占流域總面積87.23%。

流域內(nèi)NDVI總體呈現(xiàn)上升趨勢(shì),其中上升模式E和下降模式E所占面積比例最高(圖8)。下降模式E具有NDVI在1987—2000年間逐漸下降,2000—2016年NDVI快速下降的變化模式,主要集中在拉薩河和米林寬谷；下降模式F次之,表征NDVI在研究時(shí)間段內(nèi)降低減速,主要分布在南木林和墨竹工卡等區(qū)域。上升模式E為流域內(nèi)主要的NDVI增加變化模式,NDVI在1987—2000年快速上升,2000—2016年緩慢上升,主要集中在拉薩市北部和林芝縣以東海拔較高的山區(qū)；先上升后下降的上升模式A主要分布在林芝和日喀則以東區(qū)域。

圖8 雅魯藏布江流域NDVI變化模式Fig.8 Different patterns of NDVI change in the Yarlung Zangbo River Basin

3 討論與結(jié)論

3.1 討論

本研究選擇1985—2018年經(jīng)過地形校正的Landsat TM/ETM+/OLI Level1數(shù)據(jù),通過掩膜剔除云、云陰影和雪的區(qū)域,計(jì)算時(shí)間序列數(shù)據(jù)集的NDVI值,將一年內(nèi)所有的NDVI數(shù)據(jù)進(jìn)行最大值合成,相比較月或更短時(shí)間間隔的NDVI時(shí)間序列數(shù)據(jù),該方法既能突出植被覆蓋年際變化特征,又能削弱云、大氣和太陽(yáng)高度角等因素的干擾[13]。時(shí)間序列分割算法(LandTrendr)對(duì)NDVI時(shí)間序列進(jìn)行分割和擬合,提取NDVI變化特征,廣泛應(yīng)用于植被覆蓋變化及其變化原因分析[27]。相比于基于統(tǒng)計(jì)特征的時(shí)間序列變化檢測(cè)方法,時(shí)間序列分割方法能提取子序列的時(shí)間變化特征,進(jìn)而分析時(shí)間序列的變化模式[28]。

雅魯藏布江流域植被對(duì)全球氣候變化的響應(yīng)顯著,氣候變暖和降水量增加導(dǎo)致植被覆蓋增加,NDVI總體呈上升趨勢(shì),但受種間關(guān)系和降水時(shí)空分布的不均勻性,以及人類活動(dòng)的影響,不同區(qū)域具有不同的變化趨勢(shì),這與已有學(xué)者研究結(jié)論相一致[29-30]。對(duì)比圖4與圖8, 念青唐古拉山及唐古拉山以南的部分高海拔區(qū)域恢復(fù)在1990年前的區(qū)域NDVI變化模式不顯著,考慮到NDVI變化的復(fù)雜性,尚需進(jìn)一步研究。

20世紀(jì)80和90年代,受全球氣候變化的影響,流域上游和中游地區(qū)高原高寒植被物候期延長(zhǎng)趨勢(shì)明顯,凈初級(jí)生產(chǎn)力與得到顯著提高[31],與研究結(jié)果上游和中游NDVI恢復(fù)持續(xù)時(shí)間較短且恢復(fù)持續(xù)強(qiáng)度較低相對(duì)應(yīng)。上游和中游部分海拔較高區(qū)域NDVI干擾活動(dòng)劇烈,可能與高海拔地區(qū)降水和長(zhǎng)波輻射等因素對(duì)NDVI持續(xù)上升的限制因素有關(guān)[2]。下游森林覆蓋區(qū)受采伐和保護(hù)雙重作用,致使當(dāng)?shù)刂脖桓采w快速變化,如20世紀(jì)90年代前的森林大規(guī)模采伐、1998年后天然林資源保護(hù)工程實(shí)施[32],森林破壞面積下降,恢復(fù)面積緩慢增加,流域內(nèi)恢復(fù)面積大于干擾破壞面積,NDVI干擾和恢復(fù)都經(jīng)歷了劇烈變化,但NDVI總體呈現(xiàn)增加趨[9],與本研究中恢復(fù)和干擾在2000年前變化劇烈,而2001年后變化活動(dòng)逐漸減弱的結(jié)果相吻合。影響流域內(nèi)植被恢復(fù)強(qiáng)度受不同植被覆蓋類型存在差異,流域上至中下游存在明顯的恢復(fù)強(qiáng)度差異。本文研究結(jié)果表明,干擾和恢復(fù)持續(xù)時(shí)間都出現(xiàn)了下降后上升的趨勢(shì),干擾和恢復(fù)持續(xù)時(shí)間主要集中在10年內(nèi)的較短時(shí)期,分布集中在流域的中上游,這與近20年來青藏高原暖濕化,草地生態(tài)系統(tǒng)恢復(fù)期較短相對(duì)應(yīng),下游區(qū)域因森林經(jīng)歷大規(guī)模采伐,森林覆蓋需較長(zhǎng)的時(shí)間才能恢復(fù)。

NDVI增加模式以先加速上升后減速為主,主要位于雅魯藏布江流域下游植被覆蓋較好的區(qū)域,植被覆蓋增加受氣候和人類活動(dòng)的共同影響,NDVI增加速率降低可能與降水的空間分布與樹種組成結(jié)構(gòu)變化有關(guān)[30]。隨著生態(tài)保護(hù)工程的啟動(dòng)30多年[33],老年林所占的比例有所增加NDVI增加趨勢(shì)逐漸減弱。NDVI下降速率逐漸增加主要集中在人類活動(dòng)較多的寬谷地區(qū),放牧和城市化過程加劇導(dǎo)致的植被破壞,NDVI下降模式在人口密集的海拔較低區(qū)域出現(xiàn)空間聚集[34],這與已有的研究結(jié)論相一致?？紤]到影響雅魯藏布江流域植被變化的因素眾多,不同影響因素在不同的區(qū)域時(shí)空分布差異巨大,因此在分析NDVI變化模式特征及其時(shí)空分異時(shí),還應(yīng)分別對(duì)不同影響因素間相互作用模式進(jìn)行耦合研究。

3.2 結(jié)論

本研究基于1985—2018年Landsat數(shù)據(jù)合成的年最大NDVI時(shí)間序列為數(shù)據(jù)源,通過Google Earth Engine平臺(tái)實(shí)現(xiàn)的LandTrendr時(shí)間序列分割方法對(duì)NDVI時(shí)空變化特征進(jìn)行提取,進(jìn)而描述研究區(qū)內(nèi)NDVI變化模式,主要結(jié)論如下：

(1)雅魯藏布江流域植被時(shí)空變化顯著,總體呈現(xiàn)上升趨勢(shì),僅在局部區(qū)域出現(xiàn)下降現(xiàn)象,自上游至下游NDVI變化強(qiáng)度逐漸增加。1985—1990年恢復(fù)面積大于干擾,NDVI變化劇烈；1990—2000年干擾和恢復(fù)變化面積差異不大；2000—2018恢復(fù)面積略大于干擾,NDVI變化活動(dòng)逐漸減弱。

(2)1985—2018年間流域內(nèi)NDVI干擾95%集中在0—0.42之間,平均下降0.14,平均干擾時(shí)間4.96年。NDVI恢復(fù)95%集中在0—0.4之間,平均上升0.13,平均恢復(fù)時(shí)間12.55年。NDVI干擾和恢復(fù)在強(qiáng)度上相近,但平均持續(xù)時(shí)間和變化面積差異顯著,因此在近30年內(nèi)NDVI總體呈現(xiàn)上升趨勢(shì),但上升趨勢(shì)逐漸減弱。

(3)雅魯藏布江流域NDVI變化模式以上升為主,流域內(nèi)NDVI主要的干擾變化模式為先緩慢下降后快速下降；NDVI恢復(fù)模式為先快速上升后緩慢上升。